新的MedTokenBudget框架在皮肤镜图像分类中优先考虑病变区域

研究人员开发了MedTokenBudget，一种用于皮肤镜图像分类的新型框架，该框架优先考虑病变区域。这个监督式的、骨干网络之后的token路由系统通过关注富含病变的斑块来学习创建紧凑的表示，尤其是在有辅助病变掩码可用时。MedTokenBudget中的病变感知token评分（LATS）模块融合了注意力熵、特征范数和局部特征对比度，以在指定的预算下识别和路由最具诊断相关性的斑块。在ISIC 2019数据集上的评估表明，在保留病变证据并遵守token预算方面，掩码监督的LATS优于Random和ToMe等现有方法。 AI

影响 通过将计算资源集中在诊断关键区域，这种方法可以提高用于医学图像分析的AI模型的效率和准确性。

排序理由 该集群包含一篇详细介绍图像分类新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• arXiv
• ISIC 2019
• Lesion-Aware Token Scoring
• MedTokenBudget
• Vision Transformers

• 论文
• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →